# Embeddings API — 文本向量

Source: https://ofox.io/zh/docs/api/openai/embeddings

将文本转换为向量表示，用于语义搜索、聚类、分类等场景。

## 端点

```http
POST https://api.ofox.io/v1/embeddings
```

## 请求参数

| 参数 | 类型 | 必填 | 说明 |
|------|------|------|------|
| `model` | string | ✅ | 向量模型，如 `openai/text-embedding-3-small` |
| `input` | string \| string[] | ✅ | 要转换的文本（单条或批量） |
| `encoding_format` | string | — | 输出格式：`float`（默认）或 `base64` |
| `dimensions` | number | — | 输出向量维度（仅部分模型支持） |

## 请求示例

**cURL**

```bash filename="Terminal"
curl https://api.ofox.io/v1/embeddings \
  -H "Authorization: Bearer $OFOX_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "openai/text-embedding-3-small",
    "input": "OfoxAI 是一个 LLM Gateway"
  }'
```

**Python**

```python filename="embedding.py" showLineNumbers
from openai import OpenAI

client = OpenAI(
    base_url="https://api.ofox.io/v1",
    api_key="<你的 OFOXAI_API_KEY>"
)

response = client.embeddings.create(
    model="openai/text-embedding-3-small",
    input="OfoxAI 是一个 LLM Gateway"
)

embedding = response.data[0].embedding
print(f"向量维度: {len(embedding)}")
```

**TypeScript**

```typescript filename="embedding.ts" showLineNumbers
import OpenAI from 'openai'

const client = new OpenAI({
  baseURL: 'https://api.ofox.io/v1',
  apiKey: '<你的 OFOXAI_API_KEY>'
})

const response = await client.embeddings.create({
  model: 'openai/text-embedding-3-small',
  input: 'OfoxAI 是一个 LLM Gateway'
})

console.log(`向量维度: ${response.data[0].embedding.length}`)
```

## 响应格式

```json
{
  "object": "list",
  "data": [
    {
      "object": "embedding",
      "index": 0,
      "embedding": [0.0023, -0.0091, 0.0156, ...]
    }
  ],
  "model": "openai/text-embedding-3-small",
  "usage": {
    "prompt_tokens": 8,
    "total_tokens": 8
  }
}
```

## 可用模型

| 模型 | 维度 | 说明 |
|------|------|------|
| `openai/text-embedding-3-small` | 1536 | 高性价比 |
| `openai/text-embedding-3-large` | 3072 | 最高精度 |
| `qwen/text-embedding-v4` | 1024 | 中文优化，通义千问向量模型 |